智元機(jī)器人首席科學(xué)家羅劍嵐：如果機(jī)器人實(shí)現(xiàn)“操控”，是比大語言模型更高級的智能

每經(jīng)記者 朱成祥    每經(jīng)編輯 魏官紅    

4月2日，智元機(jī)器人宣布與國際頂尖具身智能公司Physical Intelligence（Pi）達(dá)成合作伙伴關(guān)系，雙方將圍繞動態(tài)環(huán)境下的長周期復(fù)雜任務(wù)，在具身智能領(lǐng)域展開深度技術(shù)合作。此外，近期正式加入智元的羅劍嵐，將全面領(lǐng)導(dǎo)智元具身智能研究中心，同時(shí)推進(jìn)雙方的深度合作。4月2日，羅劍嵐接受了《每日經(jīng)濟(jì)新聞》記者的采訪。

目前，人形機(jī)器人仍然依賴人在背后遙控，未來人形機(jī)器人能否實(shí)現(xiàn)自主決策？

對此，羅劍嵐表示：“遙控與自主決策的差別其實(shí)很大。遙控類似于你與一個(gè)電腦程序?qū)υ?，但背后與你聊天的是一個(gè)真正的人，他在另一臺電腦上打字。而自主決策，最核心的是感知、預(yù)測、行為生成這一整套機(jī)制的泛化能力。機(jī)器人要理解世界，需要建立一個(gè)Internal Model（世界模型）去預(yù)測未來，再去實(shí)施可執(zhí)行的動作鏈。接著，再看機(jī)器人與真實(shí)世界的交互，去預(yù)測下一步動作。”

羅劍嵐認(rèn)為：“如果機(jī)器人真的實(shí)現(xiàn)Manipulation（操控），是比LLM（大語言模型）更高級的智能。如果以從0到10分級，大語言模型最多算3，如果機(jī)器人實(shí)現(xiàn)Manipulation，至少有7至8。”

那么，在實(shí)現(xiàn)機(jī)器人Manipulation的道路上，最關(guān)鍵的技術(shù)是什么呢？

羅劍嵐認(rèn)為：“強(qiáng)化學(xué)習(xí)是我們比較看重的一個(gè)技術(shù)，此外我們也看到DeepSeek R1所展現(xiàn)出的比較強(qiáng)的推理能力。但光有模仿學(xué)習(xí)是不夠的，后來我們還會有世界模型。根據(jù)我們云端的Model（模型），去預(yù)測下一步環(huán)境會發(fā)生什么。不過這些都是工具，真正本質(zhì)上需要解決的，是怎樣在開放數(shù)據(jù)鏈構(gòu)建（具有）魯棒的策略，然后感知、預(yù)測、行為生成這一整套機(jī)制的泛化能力，才是最核心、最關(guān)鍵的。”

值得一提的是，汽車智能駕駛是收集到眾多車輛的數(shù)據(jù)后，才慢慢發(fā)展起來的。當(dāng)下人形機(jī)器人尚未大規(guī)模應(yīng)用于生活場景。如果缺乏足夠的數(shù)據(jù)，人形機(jī)器人的“操控”該如何突破？

羅劍嵐表示：“我也經(jīng)常在想，這是一個(gè)循環(huán)。我們沒有機(jī)器人部署到真實(shí)世界，它就不會產(chǎn)生數(shù)據(jù)；機(jī)器人的能力沒到一定程度，也無法部署到真實(shí)世界中去。但是，必須要有人做這些事，假設(shè)有1000臺機(jī)器人在星巴克工作，每天24個(gè)小時(shí)打咖啡，其一個(gè)月傳回來的數(shù)據(jù)，超過我們現(xiàn)在所有見過的機(jī)器人數(shù)據(jù)集?；蛟S這時(shí)會發(fā)現(xiàn)，在小的數(shù)據(jù)量中得出的很多結(jié)論不一定正確。”

不過羅劍嵐也強(qiáng)調(diào)，機(jī)器人部署到真實(shí)世界的難度，小于汽車（智能駕駛），“車在安全性等各方面要求太嚴(yán)格。而機(jī)器人，可以從一些封閉空間、半封閉空間部署，讓它產(chǎn)生數(shù)據(jù)”。

封面圖片來源：每日經(jīng)濟(jì)新聞 劉國梅 攝